Mask2former Swin Small Ade Semantic

🚀 Mask2Former

Mask2Former是一个用于图像分割的模型，它采用统一的范式处理实例、语义和全景分割任务，在性能和效率上表现出色。该模型在ADE20k语义分割数据集上进行训练，具有广泛的应用前景。

🚀 快速开始

你可以使用这个特定的检查点进行全景分割。若想查找针对其他感兴趣任务的微调版本，请查看模型中心。

✨ 主要特性

• 统一范式：Mask2Former使用相同的范式处理实例、语义和全景分割，将这3种任务都视为实例分割。
• 性能优越：相较于之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都更胜一筹。
• 技术创新：采用多尺度可变形注意力Transformer替换像素解码器，使用带掩码注意力的Transformer解码器提升性能，通过在子采样点上计算损失提高训练效率。

📚 详细文档

模型描述

Mask2Former通过预测一组掩码和相应的标签来处理实例、语义和全景分割任务。它将所有3种任务都当作实例分割来处理。与之前的SOTA模型MaskFormer相比，Mask2Former在性能和效率上都有提升，具体体现在以下几点：

• 用更先进的多尺度可变形注意力Transformer替换像素解码器。
• 采用带掩码注意力的Transformer解码器，在不增加额外计算的情况下提升性能。
• 通过在子采样点上计算损失而不是在整个掩码上计算，提高训练效率。

预期用途与局限性

你可以使用这个特定的检查点进行全景分割。若想查找针对其他感兴趣任务的微调版本，请查看模型中心。

如何使用

以下是使用该模型的示例代码：

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation

# 加载在ADE20k语义分割上微调的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-ade-semantic")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

# 模型预测的class_queries_logits形状为 `(batch_size, num_queries)`
# masks_queries_logits形状为 `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# 你可以将它们传递给处理器进行后处理
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 我们参考演示笔记本进行可视化（请参阅Mask2Former文档中的“资源”部分）

更多代码示例请参考文档。

📄 许可证

许可证信息：其他

⚠️ 重要提示

发布Mask2Former的团队未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。